Z-Image-Turbo 真实感光影 LoRA（Flow-DPO）

这是一个专为 Alibaba-Tongyi/Z-Image-Turbo 设计的 LoRA 适配器，采用 Flow-DPO（流匹配的直接偏好优化）进行微调，显著增强了真实感光影、电影级阴影和整体图像质量。

通过在空间严格对齐的图像对上应用 Flow-DPO，该 LoRA 有效解决了超快蒸馏模型中常见的“扁平”、“过曝”或“塑料感”等伪影问题，仅需 8 步推理 即可生成惊艳且物理准确的光照效果。

训练细节与方法论

该模型使用 Flow-DPO 的自定义实现进行训练（Improving Video Generation with Human Feedback, arXiv:2501.13918）。

1. 数据集（严格空间对齐）

为防止模型产生幻觉或改变图像结构（灾难性遗忘），偏好数据集采用了严格的空间对齐构建方式：

胜出样本（Chosen）： 具有完美光影和纹理的高质量专业摄影作品。

失败样本（Rejected）： 对完全相同的图像进行程序化降质处理（高斯模糊、降低对比度、极端曝光偏移、高斯噪声以及严重的 JPEG 压缩伪影）。

对齐方式： 未进行任何裁剪或扭曲操作，确保流匹配轨迹仅学习修正光影和纹理。

2. 离散时间步蒸馏保留

与标准扩散模型中连续采样时间步 t∈[0,1]t \in [0, 1]t∈[0,1] 不同，Z-Image-Turbo 是一个专门针对 8 个固定时间步 优化的 蒸馏模型。

在 Flow-DPO 训练过程中，我们动态提取了 FlowMatchEulerDiscreteScheduler 中精确的离散 ttt 分布，并将随机采样严格限制在这 8 个节点上。这确保了 LoRA 在保持 Turbo 模型极致速度的同时，不会导致输出模糊。

3. 超参数

基础模型： Alibaba-Tongyi/Z-Image-Turbo（6B 单流 DiT）

学习率： 1e-4

KL 惩罚项（β\betaβ）： 1.0

有效批次大小： 1

局限性

非图像到图像修复器： 该 LoRA 修改的是文本到图像生成的 先验分布。其设计目标是从文本提示生成更优质的原始图像，而非作为 img2img 滤镜来修复用户上传的劣质照片（除非结合 RF-Inversion 技术，但该技术在 8 步模型中极不稳定）。

色彩饱和度

若 LoRA 强度过高（例如 > 1.5），由于 DPO 边界最大化特性，可能导致图像过度锐化或饱和度过高。为获得最佳真实感效果，请将强度保持在 0.6 - 1.0 范围内。